Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas

Autores
Russo, Rodrigo
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión borrador
Colaborador/a o director/a de tesis
Nuño, Fernando
Descripción
En el presente trabajo se consideran metodologías para el análisis y procesamiento de bioseñales. El primero de ellos consiste en la detección de la variabilidad cardíaca utilizando filtrado y separación de fuente ciega de un feto durante la gestación utilizando el electrocardiograma materno. El segundo consiste en el análisis de la señal de electromiografıa proveniente del antebrazo para realizar el control de una mano robótica en tiempo real. Para el proyecto de variabilidad cardíaca se ensayaron diversos tipos de filtrado digital y supresión de interferencias. El objetivo era obtener información de la ubicación de los picos del electrocardiograma fetal, utilizando la señal medida desde el abdomen materno. Los picos provenientes de la señal fetal tienen una amplitud mucho menor que los provenientes de la señal materna; por lo tanto, se propone detectar y suprimir los picos maternos y, de esta forma, utilizando algoritmos de separación de fuente ciega, extraer una estimación de la señal fetal, a partir de la cual, se pueden extraer la ubicación de sus picos. Para evaluar los resultados del procedimiento, se utilizaron bases de datos de electrocardiogramas de mujeres embarazadas y se definieron dos métodos alternativos para aplicar en los dos casos extremos: picos fetales comparables con la amplitud de ruido y picos fetales comparables con la amplitud de los picos maternos. Para ambos casos, se obtuvieron resultados satisfactorios a partir de los cuales pudieron extraerse conclusiones, permitiendo realizar un análisis del estado del feto en aquel instante. Respecto al proyecto de electromiografıa, se partió con el objetivo de mover los dedos de una mano robótica con el objetivo de utilizarla para agarrar objetos con la mano completa o dos dedos. Se analizo la forma de onda de la señal de electromiografıa para hallar una metodología para detectar la activación del musculo y las características que describen la acción del musculo. Para realizar la clasificación, se evaluaron algoritmos clasificadores tales como Nearest Neighbors, redes neuronales y Support Vectors. Dada la disponibilidad del sensor, se generaron los conjuntos de datos para verificar las diferentes metodologías y comparar resultados. El proyecto cuenta con tres etapas interconectadas que consisten en la adquisición, procesamiento y accionar de la mano robótica. Se espera que pueda realizarse en tiempo real y sea compatible con cualquier usuario a través de un entrenamiento previo. Para ambos proyectos, se realizo el software correspondiente que permite obtener los resultados mostrados en el presente trabajo.
Fil: Russo, Rodrigo. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina
Materia
Aplicaciones biomédicas
PROCESAMIENTO DE SEÑALES
ELECTROCARDIOGRAMA
ELECTROMIOGRAFÍA
NEAREST NEIGHBORS
ELECTROCARDIOGRAMA FETAL
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/4.0/
Repositorio
Repositorio Institucional Facultad de Ingeniería - UNMDP
Institución
Universidad Nacional de Mar del Plata. Facultad de Ingeniería
OAI Identificador
oai:rinfi.fi.mdp.edu.ar:123456789/260

id RINFIUNMDP_8dd8be28f999ce167880d53dfd747679
oai_identifier_str oai:rinfi.fi.mdp.edu.ar:123456789/260
network_acronym_str RINFIUNMDP
repository_id_str
network_name_str Repositorio Institucional Facultad de Ingeniería - UNMDP
spelling Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramasRusso, RodrigoAplicaciones biomédicasPROCESAMIENTO DE SEÑALESELECTROCARDIOGRAMAELECTROMIOGRAFÍANEAREST NEIGHBORSELECTROCARDIOGRAMA FETALEn el presente trabajo se consideran metodologías para el análisis y procesamiento de bioseñales. El primero de ellos consiste en la detección de la variabilidad cardíaca utilizando filtrado y separación de fuente ciega de un feto durante la gestación utilizando el electrocardiograma materno. El segundo consiste en el análisis de la señal de electromiografıa proveniente del antebrazo para realizar el control de una mano robótica en tiempo real. Para el proyecto de variabilidad cardíaca se ensayaron diversos tipos de filtrado digital y supresión de interferencias. El objetivo era obtener información de la ubicación de los picos del electrocardiograma fetal, utilizando la señal medida desde el abdomen materno. Los picos provenientes de la señal fetal tienen una amplitud mucho menor que los provenientes de la señal materna; por lo tanto, se propone detectar y suprimir los picos maternos y, de esta forma, utilizando algoritmos de separación de fuente ciega, extraer una estimación de la señal fetal, a partir de la cual, se pueden extraer la ubicación de sus picos. Para evaluar los resultados del procedimiento, se utilizaron bases de datos de electrocardiogramas de mujeres embarazadas y se definieron dos métodos alternativos para aplicar en los dos casos extremos: picos fetales comparables con la amplitud de ruido y picos fetales comparables con la amplitud de los picos maternos. Para ambos casos, se obtuvieron resultados satisfactorios a partir de los cuales pudieron extraerse conclusiones, permitiendo realizar un análisis del estado del feto en aquel instante. Respecto al proyecto de electromiografıa, se partió con el objetivo de mover los dedos de una mano robótica con el objetivo de utilizarla para agarrar objetos con la mano completa o dos dedos. Se analizo la forma de onda de la señal de electromiografıa para hallar una metodología para detectar la activación del musculo y las características que describen la acción del musculo. Para realizar la clasificación, se evaluaron algoritmos clasificadores tales como Nearest Neighbors, redes neuronales y Support Vectors. Dada la disponibilidad del sensor, se generaron los conjuntos de datos para verificar las diferentes metodologías y comparar resultados. El proyecto cuenta con tres etapas interconectadas que consisten en la adquisición, procesamiento y accionar de la mano robótica. Se espera que pueda realizarse en tiempo real y sea compatible con cualquier usuario a través de un entrenamiento previo. Para ambos proyectos, se realizo el software correspondiente que permite obtener los resultados mostrados en el presente trabajo.Fil: Russo, Rodrigo. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; ArgentinaUniversidad Nacional de Mar del Plata. Facultad de Ingeniería. ArgentinaNuño, Fernando2018-03-18Thesisinfo:eu-repo/semantics/draftinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/260spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/reponame:Repositorio Institucional Facultad de Ingeniería - UNMDPinstname:Universidad Nacional de Mar del Plata. Facultad de Ingeniería2025-09-18T11:37:42Zoai:rinfi.fi.mdp.edu.ar:123456789/260instacron:FI-UNMDPInstitucionalhttps://rinfi.fi.mdp.edu.ar/Universidad públicahttps://www.fi.mdp.edu.ar/https://rinfi.fi.mdp.edu.ar/oai/snrdjosemrvs@fi.mdp.edu.arArgentinaopendoar:2025-09-18 11:37:43.244Repositorio Institucional Facultad de Ingeniería - UNMDP - Universidad Nacional de Mar del Plata. Facultad de Ingenieríafalse
dc.title.none.fl_str_mv Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
title Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
spellingShingle Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
Russo, Rodrigo
Aplicaciones biomédicas
PROCESAMIENTO DE SEÑALES
ELECTROCARDIOGRAMA
ELECTROMIOGRAFÍA
NEAREST NEIGHBORS
ELECTROCARDIOGRAMA FETAL
title_short Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
title_full Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
title_fullStr Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
title_full_unstemmed Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
title_sort Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas
dc.creator.none.fl_str_mv Russo, Rodrigo
author Russo, Rodrigo
author_facet Russo, Rodrigo
author_role author
dc.contributor.none.fl_str_mv Nuño, Fernando
dc.subject.none.fl_str_mv Aplicaciones biomédicas
PROCESAMIENTO DE SEÑALES
ELECTROCARDIOGRAMA
ELECTROMIOGRAFÍA
NEAREST NEIGHBORS
ELECTROCARDIOGRAMA FETAL
topic Aplicaciones biomédicas
PROCESAMIENTO DE SEÑALES
ELECTROCARDIOGRAMA
ELECTROMIOGRAFÍA
NEAREST NEIGHBORS
ELECTROCARDIOGRAMA FETAL
dc.description.none.fl_txt_mv En el presente trabajo se consideran metodologías para el análisis y procesamiento de bioseñales. El primero de ellos consiste en la detección de la variabilidad cardíaca utilizando filtrado y separación de fuente ciega de un feto durante la gestación utilizando el electrocardiograma materno. El segundo consiste en el análisis de la señal de electromiografıa proveniente del antebrazo para realizar el control de una mano robótica en tiempo real. Para el proyecto de variabilidad cardíaca se ensayaron diversos tipos de filtrado digital y supresión de interferencias. El objetivo era obtener información de la ubicación de los picos del electrocardiograma fetal, utilizando la señal medida desde el abdomen materno. Los picos provenientes de la señal fetal tienen una amplitud mucho menor que los provenientes de la señal materna; por lo tanto, se propone detectar y suprimir los picos maternos y, de esta forma, utilizando algoritmos de separación de fuente ciega, extraer una estimación de la señal fetal, a partir de la cual, se pueden extraer la ubicación de sus picos. Para evaluar los resultados del procedimiento, se utilizaron bases de datos de electrocardiogramas de mujeres embarazadas y se definieron dos métodos alternativos para aplicar en los dos casos extremos: picos fetales comparables con la amplitud de ruido y picos fetales comparables con la amplitud de los picos maternos. Para ambos casos, se obtuvieron resultados satisfactorios a partir de los cuales pudieron extraerse conclusiones, permitiendo realizar un análisis del estado del feto en aquel instante. Respecto al proyecto de electromiografıa, se partió con el objetivo de mover los dedos de una mano robótica con el objetivo de utilizarla para agarrar objetos con la mano completa o dos dedos. Se analizo la forma de onda de la señal de electromiografıa para hallar una metodología para detectar la activación del musculo y las características que describen la acción del musculo. Para realizar la clasificación, se evaluaron algoritmos clasificadores tales como Nearest Neighbors, redes neuronales y Support Vectors. Dada la disponibilidad del sensor, se generaron los conjuntos de datos para verificar las diferentes metodologías y comparar resultados. El proyecto cuenta con tres etapas interconectadas que consisten en la adquisición, procesamiento y accionar de la mano robótica. Se espera que pueda realizarse en tiempo real y sea compatible con cualquier usuario a través de un entrenamiento previo. Para ambos proyectos, se realizo el software correspondiente que permite obtener los resultados mostrados en el presente trabajo.
Fil: Russo, Rodrigo. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina
description En el presente trabajo se consideran metodologías para el análisis y procesamiento de bioseñales. El primero de ellos consiste en la detección de la variabilidad cardíaca utilizando filtrado y separación de fuente ciega de un feto durante la gestación utilizando el electrocardiograma materno. El segundo consiste en el análisis de la señal de electromiografıa proveniente del antebrazo para realizar el control de una mano robótica en tiempo real. Para el proyecto de variabilidad cardíaca se ensayaron diversos tipos de filtrado digital y supresión de interferencias. El objetivo era obtener información de la ubicación de los picos del electrocardiograma fetal, utilizando la señal medida desde el abdomen materno. Los picos provenientes de la señal fetal tienen una amplitud mucho menor que los provenientes de la señal materna; por lo tanto, se propone detectar y suprimir los picos maternos y, de esta forma, utilizando algoritmos de separación de fuente ciega, extraer una estimación de la señal fetal, a partir de la cual, se pueden extraer la ubicación de sus picos. Para evaluar los resultados del procedimiento, se utilizaron bases de datos de electrocardiogramas de mujeres embarazadas y se definieron dos métodos alternativos para aplicar en los dos casos extremos: picos fetales comparables con la amplitud de ruido y picos fetales comparables con la amplitud de los picos maternos. Para ambos casos, se obtuvieron resultados satisfactorios a partir de los cuales pudieron extraerse conclusiones, permitiendo realizar un análisis del estado del feto en aquel instante. Respecto al proyecto de electromiografıa, se partió con el objetivo de mover los dedos de una mano robótica con el objetivo de utilizarla para agarrar objetos con la mano completa o dos dedos. Se analizo la forma de onda de la señal de electromiografıa para hallar una metodología para detectar la activación del musculo y las características que describen la acción del musculo. Para realizar la clasificación, se evaluaron algoritmos clasificadores tales como Nearest Neighbors, redes neuronales y Support Vectors. Dada la disponibilidad del sensor, se generaron los conjuntos de datos para verificar las diferentes metodologías y comparar resultados. El proyecto cuenta con tres etapas interconectadas que consisten en la adquisición, procesamiento y accionar de la mano robótica. Se espera que pueda realizarse en tiempo real y sea compatible con cualquier usuario a través de un entrenamiento previo. Para ambos proyectos, se realizo el software correspondiente que permite obtener los resultados mostrados en el presente trabajo.
publishDate 2018
dc.date.none.fl_str_mv 2018-03-18
dc.type.none.fl_str_mv Thesis
info:eu-repo/semantics/draft
info:eu-repo/semantics/bachelorThesis
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
status_str draft
format bachelorThesis
dc.identifier.none.fl_str_mv http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/260
url http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/260
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina
publisher.none.fl_str_mv Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina
dc.source.none.fl_str_mv reponame:Repositorio Institucional Facultad de Ingeniería - UNMDP
instname:Universidad Nacional de Mar del Plata. Facultad de Ingeniería
reponame_str Repositorio Institucional Facultad de Ingeniería - UNMDP
collection Repositorio Institucional Facultad de Ingeniería - UNMDP
instname_str Universidad Nacional de Mar del Plata. Facultad de Ingeniería
repository.name.fl_str_mv Repositorio Institucional Facultad de Ingeniería - UNMDP - Universidad Nacional de Mar del Plata. Facultad de Ingeniería
repository.mail.fl_str_mv josemrvs@fi.mdp.edu.ar
_version_ 1843613803918393344
score 12.490522